基于SVM和混沌时间序列的干散货运价指数预测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·选题背景及意义 | 第9-10页 |
| ·国内外研究现状综述 | 第10-13页 |
| ·海运运价指数预测研究现状 | 第10-11页 |
| ·支持向量机研究现状 | 第11-12页 |
| ·混沌时间序列预测研究现状 | 第12-13页 |
| ·本文主要研究内容及结构安排 | 第13-16页 |
| ·本文研究内容 | 第13-14页 |
| ·本文的结构安排 | 第14-16页 |
| 第2章 国际干散货航运市场及运价指数分析 | 第16-30页 |
| ·国际干散货航运市场分析 | 第16-25页 |
| ·干散货航运市场概述 | 第16-18页 |
| ·干散货航运需求市场分析 | 第18-22页 |
| ·干散货航运供给市场分析 | 第22-25页 |
| ·干散货运价指数的成因及航线构成 | 第25-27页 |
| ·干散货运价指数成因及计算原理 | 第25-26页 |
| ·干散货运价指数的航线构成 | 第26-27页 |
| ·干散货运价指数影响因素及波动性分析 | 第27-30页 |
| 第3章 混合预测模型的预测原理及构建思路 | 第30-41页 |
| ·混沌时间序列分析 | 第30-33页 |
| ·相空间重构理论 | 第30-31页 |
| ·混沌时间序列识别 | 第31-32页 |
| ·混沌时间序列的预测 | 第32-33页 |
| ·支持向量机预测原理 | 第33-37页 |
| ·支持向量机回归原理 | 第33-35页 |
| ·最小二乘支持向量机回归 | 第35-36页 |
| ·核函数K(x_i,x_j) | 第36-37页 |
| ·混合预测模型的建模思路 | 第37-41页 |
| 第4章 混合预测模型参数优化 | 第41-53页 |
| ·模型参数分析及选取方法 | 第41-45页 |
| ·相空间参数 | 第41-43页 |
| ·支持向量机参数 | 第43-45页 |
| ·模型参数的联合优化 | 第45-53页 |
| ·问题描述 | 第46页 |
| ·遗传算法说明 | 第46-49页 |
| ·遗传算法设计 | 第49-51页 |
| ·基于遗传算法的参数联合优化 | 第51-53页 |
| 第5章 基于混合预测模型的干散货运价指数预测 | 第53-71页 |
| ·数据说明与分析 | 第53-54页 |
| ·样本序列选取 | 第53页 |
| ·样本序列混沌性识别 | 第53-54页 |
| ·数据预处理 | 第54-58页 |
| ·样本数据归一化 | 第54-55页 |
| ·样本序列噪声平滑 | 第55-58页 |
| ·混合模型的单步预测 | 第58-68页 |
| ·单步预测仿真实验一 | 第58-61页 |
| ·单步预测仿真实验二 | 第61-63页 |
| ·预测结果比较分析 | 第63-68页 |
| ·混合模型的多步预测 | 第68-71页 |
| 第6章 结论与展望 | 第71-73页 |
| ·本文的主要工作 | 第71-72页 |
| ·不足与展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录 本文预测研究部分程序代码 | 第77-81页 |
| 致谢 | 第81页 |
